Deepomatic : vision par ordinateur pour les opérations terrain
En bref
Deepomatic est une plateforme française de reconnaissance visuelle industrielle, fondée à Paris en 2014 et intégrée au britannique IQGeo depuis août 2025.
Sa technologie automatise les contrôles visuels terrain : le technicien photographie un équipement, le modèle IA rend un verdict de conformité en quelques secondes.
Marchés ciblés : télécoms et réseaux électriques, avec des clients comme Bouygues Telecom, Swisscom ou CityFibre.
Sa différence face aux API cloud généralistes : des modèles entraînés sur les images et les critères métier du client, pas sur des bibliothèques universelles.
Depuis l’intégration à IQGeo, lui-même financé par KKR, la gouvernance des données mérite d’être clarifiée avant tout déploiement en contexte européen.
Deepomatic est une plateforme de vision industrielle par IA, fondée à Paris en juillet 2014. Elle fait une chose : quand un technicien photographie un équipement sur le terrain, ses modèles IA analysent l’image et renvoient immédiatement un verdict de conformité au système back-office. Fini l’inspection image par image par un superviseur distant. Fini le délai entre l’intervention et la validation.
Pendant dix ans, la société a construit sa technologie en restant concentrée sur ce créneau étroit. En août 2025, Deepomatic a rejoint le groupe britannique IQGeo, spécialisé dans les logiciels de gestion de réseaux télécoms. Ce changement ne remet pas en cause la pertinence de la technologie, mais il modifie les conditions dans lesquelles vous devez l’évaluer.
Sommaire
Ce qu’est Deepomatic : une plateforme de vision industrielle par IA
Une startup parisienne née en 2014
Augustin Marty, Aloïs Brunel et Vincent Delaitre fondent Deepomatic en juillet 2014. Leur constat de départ tient en une ligne : dans les opérations d’infrastructure, la photo terrain est omniprésente, mais son analyse reste manuelle, lente et impossible à scaler. Ils construisent une plateforme de reconnaissance visuelle industrielle pour que des modèles IA prennent cette décision à la place des superviseurs humains.
La société lève 29,4 M$ sur six tours de financement, avec des investisseurs comme Hi Inov Dentressangle, Alven et Orbia Ventures. Ce parcours prouve une chose : la technologie fonctionne en production, pas seulement en démonstration.
La promesse : remplacer l’inspection humaine répétitive par des modèles IA métier
L’idée clé n’est pas « reconnaître ce qu’il y a dans une image ». C’est « dire si cet équipement, dans ce contexte d’installation précis, respecte le standard requis ». La distinction structure tout le reste.
Les modèles s’entraînent sur des images issues des opérations réelles du client : chaque type d’équipement, chaque variante d’installation, chaque référence matérielle. Ce qui sort n’est pas un classifieur générique, c’est un outil qui connaît les contraintes du métier. C’est aussi ce qui explique pourquoi une API cloud universelle ne résout pas le même problème.
Comment Deepomatic traite les images captées sur le terrain
Du smartphone au modèle IA : le flux de traitement étape par étape
Le flux est conçu pour le terrain, pas pour un bureau. Le technicien photographie l’équipement via une application mobile, sans préparation particulière. L’image part vers la plateforme, le modèle d’inspection visuelle automatisée analyse la conformité en quelques secondes, et un résultat structuré revient immédiatement : conforme, non-conforme, ou à soumettre à un superviseur.
Ce n’est pas théorique.
Au moment de son acquisition par IQGeo, la plateforme traitait plus de 20 millions de jobs sur les douze mois précédents. À ce volume, on ne teste plus une idée : on fait tourner une infrastructure critique.
Intégration aux outils existants (ERP, FSM, systèmes télécoms)
Le résultat de l’analyse ne reste pas dans une application isolée. La plateforme se connecte aux systèmes de gestion des interventions (FSM) et aux ERP : un bon de travail se clôture automatiquement sur validation, une alerte part au superviseur sur non-conformité. Ce chaînage crée la valeur réelle. Sans intégration aux outils existants, le traitement d’images IA terrain reste un outil consultatif, pas un mécanisme opérationnel.
Secteurs et clients : Deepomatic concentrée sur les réseaux et les infrastructures
Télécoms et énergie : les deux piliers du modèle
Deepomatic concentre son modèle commercial sur deux marchés où le contrôle visuel terrain mobilise des effectifs importants et où les erreurs de conformité ont un coût direct : les télécoms (déploiement fibre, maintenance 4G/5G) et les réseaux électriques. Les clients référencés publiquement incluent Bouygues Telecom, Swisscom, Movistar (filiale de Telefónica), CityFibre, Suez et Sanofi. Un portefeuille qui couvre plusieurs géographies mais converge toujours vers le même besoin : automatiser l’inspection de masse sur le terrain.
Pourquoi les grands opérateurs privilégient une solution verticalisée
Un opérateur télécom qui déploie plusieurs dizaines de milliers de prises fibre par mois travaille avec de multiples sous-traitants, dans des conditions de terrain hétérogènes, sur des configurations d’équipement qui varient selon les zones géographiques et les références matérielles. Contrôler visuellement cette masse d’interventions avec des équipes humaines coûte cher, et les erreurs passent malgré tout. Une solution de vision industrielle par IA entraînée précisément sur les standards d’installation de cet opérateur tient ce rôle à grande échelle, avec une homogénéité impossible à maintenir manuellement. C’est la raison concrète pour laquelle des acteurs comme Bouygues Telecom ou Swisscom ont choisi une plateforme spécialisée plutôt qu’une API généraliste : le problème qu’ils cherchent à résoudre est trop spécifique pour qu’une solution universelle fasse correctement le travail.
Deepomatic vs API vision généralistes
| Spécialisation métier | Modèles entraînés sur vos cas d'usage terrain : réseaux, infrastructure, équipements industriels | Modèles génériques nécessitant un fine-tuning important de votre côté | Modèles génériques orientés contenu grand public, peu adaptés aux défauts techniques |
|---|---|---|---|
| Coût total (TCO) | Abonnement tout inclus avec accompagnement métier, coût prévisible | Facturation à la requête, coûts variables pouvant dépasser les estimations initiales | Facturation à la requête, tarification complexe selon les fonctionnalités activées |
| Déploiement on-prem / cloud | Hybride natif : edge, on-prem et cloud selon vos contraintes terrain et réglementaires | Principalement cloud AWS, options on-prem très limitées | Principalement cloud GCP, déploiement sur site marginal et complexe |
| Courbe d'apprentissage | Prise en main guidée, accompagnement opérationnel inclus dès l'onboarding | Documentation technique dense, expertise cloud et ML requise en interne | Documentation technique dense, maîtrise de l'écosystème GCP nécessaire |
| Précision sur cas terrain | Élevée : modèles calibrés sur des défauts réels (voirie, réseau électrique, télécoms…) | Moyenne : la précision dépend de la quantité de données métier que vous fournissez | Moyenne : performances génériques, dégradées sur des visuels industriels spécifiques |
| Intégration aux workflows | Connecteurs natifs pour ERP, SIG et outils de mobilité terrain | API REST générique, intégration entièrement à la charge de votre équipe IT | API REST générique, intégration entièrement à la charge de votre équipe IT |
Ce tableau est fourni à titre indicatif. Les performances, tarifs et options de déploiement peuvent varier selon votre volume de données, votre secteur d'activité et vos conditions contractuelles. Nous vous recommandons d'effectuer un test sur vos propres données avant toute prise de décision.
Deepomatic face aux API généralistes : quelle différence concrète ?
Vision généraliste contre vision métier : deux philosophies différentes
AWS Rekognition et Google Vision AI traitent un large spectre de cas d’usage. Leur modèle économique repose sur la polyvalence : détecter du texte, identifier des objets, modérer du contenu. C’est leur force, et c’est aussi leur limite dans un contexte opérationnel industriel. Elles ne savent pas, par défaut, ce qu’est une installation FTTH conforme, ni comment distinguer deux configurations de câblage visuellement proches mais fonctionnellement incompatibles.
Ce que Deepomatic apporte que les API cloud ne font pas nativement
Quatre différences structurelles méritent d’être nommées. Les modèles s’entraînent sur les données propriétaires du client, pas sur une bibliothèque universelle. Le workflow technicien est intégré de bout en bout : l’application mobile gère la capture, la soumission et l’affichage du résultat en un seul flux. Chaque analyse produit un verdict horodaté, archivable, auditable (en pratique, c’est souvent ce point qui fait la décision : un litige de conformité six mois après l’intervention devient vérifiable). Enfin, la mise en production est accompagnée, avec intégration aux outils existants, pas seulement un accès API.
Avec plus de 30 000 utilisateurs terrain quotidiens au moment de l’acquisition, ce computer vision opérationnel avait clairement dépassé le stade du pilote.
L’acquisition de Deepomatic par IQGeo en 2025 : ce qui change
De la startup parisienne à la filiale d’un groupe britannique financé par KKR
IQGeo annonce des négociations exclusives le 24 mars 2025. L’acquisition se finalise le 4 août 2025 (voir le communiqué officiel d’IQGeo et le blog de Deepomatic). Le montant n’a pas été rendu public.
IQGeo est un éditeur de logiciels de gestion de réseaux télécoms basé à Cambridge, soutenu par KKR depuis septembre 2024. L’absorption de Deepomatic complète sa suite applicative : là où IQGeo gère la donnée réseau et les workflows d’intervention, la brique de traitement d’images IA terrain ferme la boucle sur la vérification visuelle de terrain.
La plateforme continue de fonctionner. La feuille de route produit dépend désormais d’une direction britannique avec ses propres priorités commerciales : une variable à intégrer dans votre analyse contractuelle et votre scénario de continuité.
Souveraineté des données et conformité RGPD : les questions à poser à votre fournisseur
Les images captées sur les infrastructures télécoms ou électriques peuvent contenir des informations sensibles sur des réseaux critiques. Avec Deepomatic intégrée à un groupe britannique (hors UE depuis le Brexit) lui-même financé par un fonds américain, les données de vos opérations terrain traversent une chaîne qui sort potentiellement du périmètre européen.
En 2026, les exigences RGPD sur les transferts hors UE restent strictes et engagent la responsabilité des responsables de traitement. À mon sens, c’est la vraie question à trancher avant tout contrat. Avant tout déploiement, posez ces questions à votre fournisseur : où les images sont-elles stockées et traitées ? Quelles clauses contractuelles couvrent leur éventuel transfert hors UE ? Quels sous-traitants interviennent dans la chaîne IQGeo/KKR ? Ce ne sont pas des questions de forme : elles conditionnent la légalité du déploiement pour des opérateurs d’infrastructures soumis à des réglementations sectorielles strictes.
Ce qu’il faut retenir
Deepomatic suit une trajectoire fréquente dans la deep tech française : technologie solide sur un marché de niche, rachetée par un acteur anglo-saxon financé par des capitaux mondiaux. La pertinence du computer vision opérationnel pour les opérateurs d’infrastructure n’est pas en cause : la plateforme a prouvé sa valeur en production. Les questions à trancher en 2026 sont contractuelles et juridiques autant que techniques, notamment sur la gouvernance des données pour les clients européens.
FAQ
Deepomatic est-elle encore une entreprise indépendante ?
Non. Depuis août 2025, Deepomatic est une filiale d’IQGeo, éditeur britannique de logiciels de gestion de réseaux télécoms, lui-même soutenu par le fonds d’investissement KKR. La société reste opérationnelle, mais elle n’est plus autonome dans ses décisions stratégiques et produit.
Quelle est la différence entre Deepomatic et AWS Rekognition ou Google Vision AI ?
Les API généralistes traitent des images quelconques : détecter un visage, lire du texte, identifier un objet courant. Deepomatic entraîne ses modèles sur les images et les critères de conformité propres à chaque client industriel. Le niveau de spécialisation est fondamentalement différent, et c’est ce qui justifie le choix d’une plateforme verticalisée pour des opérations d’infrastructure.
Quels secteurs utilisent concrètement Deepomatic ?
Principalement les télécoms (déploiement fibre, maintenance 4G/5G) et les réseaux électriques. Des clients comme Bouygues Telecom, Swisscom, CityFibre ou Suez illustrent ce positionnement. La société visait également une extension vers les énergies renouvelables, la mobilité électrique et la construction.
Quelles précautions prendre sur les données après l’acquisition par IQGeo ?
Deepomatic était une startup française, soumise au droit européen. Intégrée à un groupe britannique financé par un fonds américain, la chaîne de traitement des données sort du périmètre de l’UE. En 2026, cela impose de vérifier la localisation du stockage, les clauses de transfert hors UE et la liste des sous-traitants avant tout déploiement dans un contexte réglementé.
Deepomatic convient-elle à une PME ou à un indépendant ?
Pas vraiment. La plateforme est conçue pour des opérations terrain à grande échelle. La mise en production implique un travail d’entraînement sur des images métier propriétaires et une intégration aux outils existants. Elle crée de la valeur à partir d’un volume significatif d’interventions terrain récurrentes : c’est un outil pour grands opérateurs et ETI qui gèrent des réseaux d’infrastructure, pas pour des petites structures.
